基于流形正则化域适应随机权神经网络的湿式球磨机负荷参数软测量.pdf下载

weixin_39821051 2021-10-06 21:09:49

基于流形正则化域适应随机权神经网络的湿式球磨机负荷参数软测量.pdf , 相关下载链接：https://download.csdn.net/download/jiebing2020/24818494?utm_source=bbsseo

...全文

25 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

基于流形正则化域适应随机权神经网络的湿式球磨机负荷参数软测量.pdf

流形正则化 最近看到一篇新论文《基于点态流形正则化的半监督学习》，关于这的讲解不多，先学一下流形正则化。以下是关于论文的摘要：流形正则化(MR)为同时使用标记和未标记数据的半监督分类提供了一个强大的学习框架。依据流形假设，MR约束在流形结构图上的相似实例共享相似的分类输出。因此，MR基于流形图上的成对光滑性。光滑性的约束对象为所有实例对，从而将各实例对视为单个操作对象。然而，平滑性在本质上可以是点态的，即平滑性发生在“任何地方”，将各实例的行为与其近邻相联系。本文试图通过对各局部实例进行约束，提出半监

流形正则化极限学习是在正则化极限学习机的基础上引入流形正则化，将流形正则化引入到正则化极限学习机的目标函数上。目标函数如下。使用公式得到隐藏层和输出层之间的权值矩阵代码如下#!usr/bin/python3 # coding:utf-8 from numpy import * import pandas as pd import datetime from sklearn.model_selec...

早就听说流形正则化能将有监督学习和无监督学习融合成半监督学习，听上去威武霸气，但真正一看就只能高山仰止了。今天硬着头皮学习了一下，浅浅品味往圣先哲的思维魅力。半监督学习（semi-supervise learning）初一听觉得很迷惑，什么是半监督学习？为什么要半监督学习？平时我们做机器学习的时候，大多数都是人为给定label的有监督学习，大家也都很向往人们毫不费力的无监督学习。但细

来自知乎的截图加入的流形正则化项可以这样理解：从它的假设已知样本相似的数据则对于的标签也有相似性（两个样本在流形中距离相近，那么他们的label也应该一样或相似。）。那么最后一个公式就保证训练的f满足这种关系（样本的分布函数），而不仅仅是保证很高的分类能力。无监督学习就是学习样本的分布，监督学习是寻找一个最优的分界面，流形正则化则是减弱监督学习的使之带有无监督学习的优点。 ...

下载资源悬赏专区

13,654

社区成员

12,578,483

社区内容

发帖

与我相关

我的任务

其他技术论坛（原bbs）

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章